Mikä on korrelaatiomatriisin ja kovarianssimatriisin välinen ero?

Mikä on korrelaatiomatriisin ja kovarianssimatriisin välinen ero?
Anonim

Vastaus:

Kovarianssimatriisi on yleisempi muoto yksinkertaisesta korrelaatiomatriisista.

Selitys:

Korrelaatio on kovarianssin skaalattu versio; Huomaa, että näillä kahdella parametrilla on aina sama merkki (positiivinen, negatiivinen tai 0). Kun merkki on positiivinen, muuttujien sanotaan olevan positiivisesti korreloitu; kun merkki on negatiivinen, muuttujien sanotaan olevan negatiivisesti korreloitu; ja kun merkki on 0, muuttujien sanotaan olevan korreloimattomia.

Huomaa myös, että korrelaatio on dimensioton, koska lukijalla ja nimittäjällä on samat fyysiset yksiköt, nimittäin # X # ja # Y #.

Paras lineaarinen ennustaja

Olettaa, että # X # on satunnainen vektori # RR ^ m # ja tuo # Y # on satunnainen vektori # RR ^ n #. Olemme kiinnostuneita löytämään # X # muodossa # A + bx #, missä #a RR ^ n # ja #b RR: ssä ^ {nxxm} #, joka on lähinnä # Y # keskiarvossa. Tämän muodon toiminnot ovat samanlaisia kuin lineaariset funktiot yksittäisessä muuttujakotelossa.

Kuitenkin, ellei # A = 0 #, tällaiset toiminnot eivät ole lineaarisia algebra-mielessä lineaarisia muunnoksia, joten oikea termi on affinifunktio # X #. Tämä ongelma on keskeisessä asemassa tilastossa, kun satunnainen vektori # X #, ennustusvektori on havaittavissa, mutta ei satunnaisvektoria # Y #, vastusvektori.

Keskustelumme tässä yleistää yksiulotteisen tapauksen, milloin # X # ja # Y # ovat satunnaisia muuttujia. Tämä ongelma ratkaistiin kovarianssia ja korrelaatiota koskevassa osassa.

www.math.uah.edu/stat/expect/Covariance.html